Grok Imagine Video 1.5: o modelo de vídeo da xAI — som, 14 referências, vozes e quadros-chave

O que é o Grok Imagine Video 1.5

Grok Imagine Video 1.5 é o modelo de geração de vídeo da xAI, a empresa do chatbot Grok. Saiu em duas etapas:

• 16 de junho de 2026 — animação de fotos e a versão rápida Video 1.5 Fast nos apps do Grok; o modelo da API saiu da prévia;
• 31 de julho de 2026 — imagens de referência e vozes, vídeo a partir de texto e 1080p.

Em outubro de 2026 entrou a versão mais leve Grok Imagine Video 1.5 Lite. O modelo roda em grok.com/imagine, nos apps do Grok para iOS e Android e pela API da xAI com o nome grok-imagine-video-1.5. As imagens do mesmo ecossistema ficam com o Imagine Image 2.0 — os dois modelos estão na página Grok Imagine.

O que o Grok Imagine Video 1.5 faz

Clipes com som de 1 a 15 segundos. Ruídos, ambiente e fala sincronizada com os lábios saem na mesma passada da ação. Dá para desligar o som e ficar com um clipe mudo.

1080p nativo. A partir de texto ou de uma foto, o modelo desenha 1080p direto, sem upscale. O padrão é 480p, pensado para rascunhos. No modo de referências, o teto é 720p.

Nove proporções. 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3 e as menos comuns 21:9 e 5:2 — para banners e capas largas. Ao animar uma foto, a proporção vem da imagem original.

Física e movimento. A xAI chama a 1.5 de seu melhor modelo de movimento: menos distorções, peso e inércia dos corpos mais críveis.

Vídeo a partir de texto, passando por um quadro. Se o prompt não tem imagem, o modelo primeiro desenha o quadro inicial e depois o anima.

O mesmo personagem em cenas diferentes. Até 14 imagens de referência seguram o rosto e a aparência do personagem. A voz é definida à parte: até 3 personagens que falam por clipe, cada um com a sua voz de um conjunto pronto.

Primeiro quadro, último e quadros-chave. Dá para fixar o último quadro exato e, com uma imagem de origem, o primeiro também. Entre eles cabem até 4 quadros-chave: cada um preso a um momento do clipe, no passo de um terço de segundo.

Com imagens, referências ou quadros-chave, o prompt é opcional: o modelo pode tirar o movimento dos próprios quadros. Descrever a ação e o som deixa o resultado mais previsível.

Video 1.5, Fast e Lite: as diferenças

	Video 1.5	Video 1.5 Fast	Grok Imagine Video 1.5 Lite
Onde	apps e API	apps do Grok	API
Velocidade	um clipe complexo pode levar vários minutos	6 s em 720p em cerca de 25 segundos	mais rápido que o modelo completo
1080p	nativo	—	upscale a partir de 720p
Duração	1–15 s	—	1–15 s
Referências e vozes	14 imagens, 3 vozes	—	não
Primeiro, último quadro e quadros-chave	sim	—	não
Preço na API	US$ 0,08 por segundo	—	US$ 0,02 por segundo

Fast é um modo dos apps do Grok: a xAI diz que ele é quase duas vezes mais rápido que o modelo anterior, que precisava de mais de 40 segundos para um clipe de 6 segundos em 720p. Lite é um modelo separado na API, para clipes simples a partir de um único prompt ou de uma foto.

Para que serve o Grok Imagine Video 1.5

• Clipes curtos e dinâmicos: esporte, animais, manobras, câmera lenta no momento certo.
• Séries com um personagem e uma voz — até 14 referências e 3 vozes.
• Clipes com um final definido: o primeiro e o último quadro fixam como a cena começa e termina.
• Uma trajetória complexa — um objeto voando, uma câmera atravessando cômodos — a partir de 4 quadros-chave.
• Banners e capas em 21:9 e 5:2 com movimento.

Grok Imagine Video 1.5 e as alternativas

	Grok Imagine Video 1.5	Kling 3.0	Veo 3.1	Seedance 2.0
Desenvolvedora	xAI	Kuaishou	Google DeepMind	ByteDance Seed
Duração por geração	1–15 s	até 15 s	4, 6, 8 s	4–15 s
Resolução máxima	1080p	4K	4K	4K
Referências	14 imagens, 3 vozes	até 7 imagens ou elementos	até 3 imagens	9 fotos, 3 vídeos, 3 áudios
Quadros-chave	primeiro, último e até 4 intermediários	primeiro e último	primeiro e último	primeiro e último
Formatos 21:9 e 5:2	sim	—	—	21:9
No AI2Face	sim	sim	sim	sim

O Grok Imagine Video 1.5 se destaca pelos quadros-chave intermediários e pelo número de imagens de referência. Para 4K e diálogos longos, vá de Kling 3.0 e Veo 3.1; para referências de vídeo e áudio, de Seedance 2.0.

Como escrever prompts para o Grok Imagine Video 1.5

1. Descreva a ação em ordem: o que acontece no começo, no meio e no fim do clipe.
2. Acrescente a câmera: “a câmera segue por trás”, “câmera lenta no auge do salto”, “órbita”.
3. Escreva o som numa linha à parte: falas entre aspas, ruídos, música ou a ausência dela.
4. Com quadros-chave, descreva as transições entre eles, não os quadros em si — as imagens já dizem o que há em cada um.
5. O rascunho fica em 480p, o final em 720p ou 1080p.

Um prompt para os quadros-chave acima:

Um menino lança um avião de papel da carteira do fundo. O avião plana suave
sobre as carteiras, vira para a janela cheia de sol, pega uma corrente de ar
e pousa de leve na mesa do professor, ao lado do globo terrestre. A câmera
acompanha o avião de lado e, no fim, se aproxima um pouco da mesa.
Som: farfalhar do papel, risadas abafadas da turma, canto de pássaros atrás da janela, sem música.

Como usar o Grok Imagine Video 1.5 no AI2Face

O Grok Imagine Video 1.5 está no gerador do AI2Face ao lado de Kling 3.0, Veo 3.1 e Seedance 2.0.

1. Cadastre-se — contas novas recebem créditos de boas-vindas.
2. Abra o gerador, vá para vídeo e escolha Grok Imagine Video 1.5.
3. Envie uma foto, referências ou quadros-chave, escreva o prompt e defina a duração e a resolução.
4. O custo em créditos aparece antes de começar. Dá para pagar com cartão ou cripto, e os créditos dos pacotes não expiram.

O passo a passo dos modos e limites dentro do próprio Grok está no guia Grok video. Quadros-chave e referências do personagem você prepara no Nano Banana Pro, no mesmo gerador.

Limitações

• 720p com referências. O 1080p nativo só vale para vídeo a partir de texto e a partir de foto.
• Na 1.5 não há edição nem extensão. A xAI edita o clipe com o modelo antigo, Grok Imagine Video, em 720p e para clipes de até 8,7 segundos.
• As vozes vêm de um conjunto. Na API, cada um dos 3 personagens que falam recebe uma voz do conjunto pronto da xAI.
• Tempo de geração. Um clipe complexo em alta resolução pode levar vários minutos.
• Moderação. Pedidos e resultados são filtrados pelas regras da xAI; um clipe bloqueado a API devolve com uma marca.

Conclusão

O Grok Imagine Video 1.5 é uma boa escolha para clipes curtos e dinâmicos e para cenas em que a trajetória precisa ficar exata: quadros-chave intermediários só ele tem. 14 referências e 3 vozes deixam um personagem atravessar uma série de clipes. Se você precisa de 4K ou de um diálogo longo, compare com Kling 3.0 e Veo 3.1. Para clipes simples a partir de uma foto só, Grok Imagine Video 1.5 Lite sai mais barato.